CC BY
27
The theoretical and applied aspects of the problem of experiment design for stochastic continuous-discrete systems by use of Walsh functions are considered. Developed software is tested on the example of one modelling framework using the criterion of D - optimality. The results obtained by computer simulation showed the effectiveness of this approach with optimal experiment planning.
Key words: stochastic system, parameterization of the input signal, Walsh functions, design of experiments, information matrix, optimality criterion.
Chudich Vladimir Mikhalovich, doctor of technical sciences, docent, department head, chubich@,ami. nstu. ru, Russia, Novosibirsk, Novosibirsk State Technical University,
Filippova Elena Vladimirovna, candidate of technical sciences, docent of department, e.filippova@,corp. nstu. ru, Russia, Novosibirsk, Novosibirsk State Technical University
УДК 629.78; 004.03; 004.23
ПОДХОД К СИНТЕЗУ СТРУКТУРЫ БОРТОВЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ КОСМИЧЕСКИХ АППАРАТОВ НА ОСНОВЕ ЭВОЛЮЦИОННОГО ПОИСКА
А.Г. Басыров, И.В. Захаров, А.О. Шушаков
В статье рассмотрены особенности построения перспективных бортовых вычислительных систем космических аппаратов. Сформулированы недостатки существующего научно-методического аппарата анализа и синтеза вычислительных систем. Указан подход к моделированию функционирования неоднородных иерархических систем в условиях неблагоприятных воздействий с учетом режимов функционирования элементов. Отмечены преимущества эволюционного поиска как метода оптимизации применительно к поставленной задаче. Предложен подход к выбору иерархической гетерогенной структуры вычислительной системы при помощи генетического алгоритма.
Ключевые слова: бортовая вычислительная система, конвергенция вычислительных ресурсов, деградация вычислительной системы, генетический алгоритм, эволюционный поиск.
Введение. В настоящее время существует выраженная тенденция к возрастанию объема задач, решаемых бортовым комплексом управления (БКУ) космических аппаратов (КА), что объективно связано с повышением требований к автономности КА, а также к оперативности и качеству доставляемой информации. Повышение сложности задач, возлагаемых на вычислительные средства современных КА в условиях переноса на борт первичной обработки информации, и ужесточение требований экономического и эксплуатационного характера требуют внедрения новых подходов к построению и эффективному применению многофункциональных бортовых вычислительных систем (БВС), управляющих работой всех подсистем
369
КА и выполнением целевых задач [1]. Вместе с тем особую актуальность приобретают вопросы, связанные с обеспечением устойчивости функционирования бортовых вычислительных средств в условиях влияния факторов космического пространства. Несмотря на достижения в области архитектуры и электронной компонентной базы (ЭКБ), практика эксплуатации отечественных и зарубежных КА свидетельствует, что отказы БВС и их программного обеспечения остаются одной из основных причин срывов целевых задач и отказов КА в целом - как вследствие уязвимости ЭКБ, так и центрального места БВС в составе БКУ [1, 2]. Внедрение же новых подходов к построению и эффективному применению перспективных архитектур БВС требует совершенствования научно-методического аппарата анализа и синтеза вычислительных систем, поскольку традиционные методы не позволяют в полной мере реализовывать их преимущества [3]. Среди подходов к решению трудоемких оптимизационных задач выделяются методы эволюционного поиска, которые представляется целесообразным использовать при структурно-параметрическом синтезе БВС специализированных КА.
Большинство современных БВС КА строится по иерархическому принципу. При этом избыточность информационно-вычислительных ресурсов на борту КА используется неэффективно вследствие жестких функциональных связей в структурах многоканальных БВС и в БКУ. Как следствие, современные БВС КА решают целевые задачи, но не имеют существенного резерва производительности и функциональных возможностей для парирования отказов в условиях неблагоприятных воздействий (НВ) за счет алгоритмической и временной избыточности. Одним из наиболее перспективных путей решения указанной проблемы выступает построение БВС, характеризующихся отсутствием критических компонентов, выход которых из строя препятствует решению целевой задачи космической системой, а также отсутствием типовых деструктивных физических или информационно-технических воздействий, наносящих неприемлемый ущерб. В основе таких БВС лежит принцип функциональной взаимозаменяемости компонентов, который находит наиболее полное воплощение в распределенных системах, модули которых осуществляют адаптивное управление обработкой информации на всех этапах ее жизненного цикла, обладая для этого необходимой информационной, алгоритмической и аппаратной совместимостью [3]. При этом функциональные связи в структуре не являются жесткими, а компоненты структуры с функциональной точки зрения можно считать отчасти универсальными, отчасти специализированными. В этом случае для выполнения задачи могут быть задействованы функциональные элементы различных структурных единиц, объединенные иерархически, а возможные потери в определенных аспектах эффективности могут быть компенсированы рациональным выбором способа решения различных наборов задач за счет интеллектуализации управления функционированием системы.
Современные технологии и тенденции построения бортовых комплексов управления (БКУ) КА, связанные с развитием ЭКБ и коммуникационных стандартов, к примеру, сетевых принципов построения БКУ, внедрения программируемых коммутаторов, создают предпосылки к конвергенции информационно-вычислительных ресурсов КА в единую многофункциональную информационно-вычислительную систему с единым программным управлением, иными словами, «конвергентную» БВС.
Постановка задачи. При достаточно общей постановке задачи построения БВС КА будем считать, что определены следующие исходные данные.
1. Множество возможных типов процессорных и интерфейсных элементов Ъ = (£г}, определяющих их частные показатели качества: -
быстродействие; гг(е)- энергопотребление; ^) - массогабаритный пока-
(с) (я) (¿)
затель; ' - стоимостной показатель; - надежность; '- радиа-
( х)
ционную стойкость; ',... - показатели стойкости к НВ различных типов.
2. Максимальное число т компонентов системы (вычислительных, интерфейсных, запоминающих модулей и т.п.) на всех уровнях иерархии, и максимальное число п элементов (функционально и конструктивно завершенных узлов, состояние которых диагностируется и управляется средствами БВС) в составе модуля низшего уровня иерархии.
3. Множество параметров НВ и их последствий Н (£) = (И1,...}, например: И суммарная мощность дозы ионизирующих излучений космического пространства (ИИ КП); И(7)- параметры потоков ИИ; И(Е) -
параметр снижения энергоресурса БВС после 1-го НВ; И(Т)- параметр повышения температуры в блоках аппаратуры на борту КА после 1-го НВ; С(г)- параметр опасности вывода из строя элемента БВС или бортовой аппаратуры при г-м НВ, Р(г)- весовой коэффициент г-го НВ в потоке с интенсивностью Х(1).
4. Вектор-функция V (£) зависимости векторного показателя качества V БВС от ее структуры £ и множество допустимых значений его частных показателей Vе*.
Требуется найти дискретное множество альтернативных вариантов
* d структуры БВС О = }: V(£) е V на множестве возможных структур О
и выбрать оптимальный вариант
¥
>к >к >!< _ Л
£ еО , £ = а^тах£еО* ¥(£), , Н) = £ || Н] (^, (1)
е ] о
где Д/[^ | Нj (£)] - приращение показателя целевого эффекта J применения КА со структурой ^ БВС в условиях Нj (£), уj - весовой коэффициент, характеризующий значимость сценария НВ Нj (£).
Классический подход при решении подобных задач синтеза вычислительных систем состоит в последовательном выборе архитектуры системы на основе качественного анализа существующих вариантов, формализации выбранного типа структуры, и параметрического синтеза ее компонентов при помощи известных методов оптимизации [4]. Однако рассматриваемая задача имеет ряд сложностей, ведущих к серьезным затруднениям в использовании известных математических методов. Во-первых, принципиальная гетерогенность БВС рассматриваемого класса требует учета разнообразия элементов, многообразия их возможных состояний, а также неоднородности связей в системе как на одном, так и на разных уровнях иерархии [5]. Во-вторых, сложность учета внешних воздействий в различных режимах функционирования элементов системы, а также частных показателей целевого эффекта, ведут к существенному усложнению целевой функции, вычисление которой сводится по сути к процессу моделирования.
Мощным инструментом приближенного решения сложных комбинаторных задач оптимизации является эволюционное моделирование [6]. Преимущества методов оптимизации на его основе в сравнении с классическими состоят, прежде всего, в возможности различных способов задания целевой функции и типов переменных оптимизации; одновременном анализе множества вариантов системы из различных областей пространства решений; вероятностных, а не детерминированных, правил поиска и генерации решений. Генетическими алгоритмами [7] называют способы решения задач оптимизации на базе эволюционного моделирования, основанные на использовании аналогий с природными процессами естественного отбора. Они достаточно глубоко развиты, но, тем не менее, значимыми нетривиальными вопросами реализации в конкретных случаях являются построение целевой функции и формализация переменных оптимизации в пространстве возможных решений, что в рассматриваемом случае требует учета особенностей кодирования сложной гетерогенной структуры.
Построение целевой функции. Определим целевую функцию, представляющую скалярный показатель качества БВС. Пусть } - множество ситуаций (событий) с весовыми коэффициентами у •, ^ у^ = 1, характеризующими вероятность события w^. Событию w1 соответствует состояние БВС, определяющее ее производительность v(Wi), и состояние борто-
*
вых систем КА, определяющее Д/(w¡, V) и Д/ (w/•) - показатели ожидаемого целевого эффекта при функционировании КА с реальной и с идеали-
372
зированной (выполняющей любые вычислительные задачи) БВС соответственно. Геометрическая интерпретация такого подхода проиллюстрирована на рис. 1, где площади под графиками имеют смысл суммарного целевого эффекта за время существования системы, а ситуации ранжированы по возрастанию тяжести последствий. Тогда в качестве целевой функции ), соотносящей деградацию БВС в процессе ее функционирования с
целевым эффектом применения КА, примем
¥
IX УI А/ (wi,
) = ^-. (2)
IX уIА/ К )йг
0 I
Следует заметить, что верхний предел интегрирования целесообразно рассматривать как срок активного существования КА.
Рис. 1. Геометрическая интерпретация показателя целевого эффекта применения КА при различной производительности БВС
Существующие модели вычислительных систем [3] отражают, как правило, частные аспекты их функционирования и не агрегируют свойства стойкости и защищенности, надежности и отказоустойчивости. Модели их деградации строятся со структурно-функциональных позиций (например, связность графа как критерий работоспособности системы), не отражая параметрическую деградацию характеристик с учетом качества реализации функций вычислительной системой в неисправных, но работоспособных состояниях. При этом модели вычислительных систем, достаточно адекватно учитывающие характеристики разнородных элементов, являются по сути статическими, а динамические ограничиваются рассмотрением кратности отказов; композиция же их оказывается крайне трудоемкой.
373
В целом существующие модели и методы проработаны достаточно глубоко, однако основной вопрос - сложность их совместного применения - решен только для ограниченного числа частных случаев. Моделирование функционирования БВС в условиях структурно-параметрической деградации с учетом расходования ресурса, отличающееся представлением ее функционирования зависимостью выработки ресурса от деструктивных физических процессов с учетом режимов работы элементов и характеристик внешних воздействий, представлено, например, в [3, 8, 9]. Суть подхода состоит в следующем.
Обозначим r (t) =< ^(t),...,riL (t) > - вектор выработанного ресурса
i-го элемента, r (0) = 0; i = 1,...,L, где t - время функционирования системы. Компоненты вектора ресурса отражают конкретный физический процесс или отдельный аспект функционирования, приводящий к выходу элемента из строя в течение конечного интервала времени, например, радиационная стойкость по накопленной дозе излучения, ресурс надежности, запас электроэнергии, количество перезаписей в ячейки flash-памяти и т.п. Пусть
щ =<ûii,...,ûiL >- запас ресурсов i-го элемента, в общем случае стохасти-
dr r
ческий. Запишем функции расхода ресурсов в виде —- = ôi (r (t ), X(t ), H (t )),
dt
где X(t )- режим работы БВС. Тогда состояние i-го элемента как бинарная
L
функция работоспособности выразится в виде рi (t) = П Q(ûj - Гj (t)), где
j=1
0( x) = 1 при x > 0 и 0( x) = 0 при x < 0.
Приведем примеры частных моделей выработки ресурса элементами БВС КА. Исходя из того, что отказы радиоэлектронной аппаратуры при функционировании на борту низкоорбитальных КА можно аппроксимировать законами Вейбулла [2, 4], запасом ресурса надежности в смысле физического принципа Седякина [10] будем считать
Ûi = [Г(1 +1/a)/L]a • xa, где x - случайная величина, распределенная по закону Вейбулла с математическим ожиданием Л (средняя наработка на отказ в номинальном режиме) и параметром формы a, Г - гамма-функция. Функцию расхода ресурса надежности определим как с- / ч ^ / ч а-Г(1 +1/a) 1-1/a
Оц(гй, t ) = K x (t )--л-ri1 с учетом коэффициента режима работы [11] Kx(t) = Mexp[^• Д-- 1 )], где /0, f(t) - теку-
f0 k T0 T (t ) + £• E (t )
щая и номинальная тактовая частота соответственно; Ea - энергия активации деградационного процесса; к - постоянная Больцмана; T (t ) - температура внутри блока аппаратуры, T0 - ее номинальное значение; e - тепло-
2
вое сопротивление элемента; Е(?) = сП /(?)- потребляемая электрическая мощность; е - электрическая емкость; и - напряжение питания элемента [8].
Запас радиационной стойкости к накопленной дозе ИИ КП м2 -случайная величина, распределенная по усеченному нормальному закону с
математическим ожиданием (поражающей дозой ИИ) -- и ко-
1 -А-Ф-1( р)
эффициентом вариации А, где В - уровень стойкости по вероятности сохранения работоспособности р (положим р=0,95; А =0,25 согласно
ОСТ 134-1034-2012), Ф-1 - функция, обратная функции Лапласа. Функция расхода данного ресурса составит 8/2^) = Кб(X)Рб(*), где Рв(^) -мощность накопленной дозы ИИ, Кб (X) - коэффициент, учитывающий деградацию элемента вследствие воздействия ИИ в зависимости от его электрической нагрузки.
Запасом радиационной стойкости по поглощенному потоку тяжелых заряженных частиц (ТЗЧ) и высокоэнергетических протонов (ВЭП) КП, вызывающих одиночные радиационные эффекты катастрофического характера с интенсивностью Цф^), будем считать и^- случайную величину,
распределенную по показательному закону с математическим ожиданием 1, а функцией расхода ресурса 8/3 = ф (X) - Цф ^), где ф (X) - коэффициент,
учитывающий опасность данного вида воздействия в зависимости от электрической нагрузки. Модель Цф (I) строится в соответствии с современными исследованиями стойкости ЭКБ, моделями КП и нормативной базой (РД-134-0139-2005 и др.): цф = оЬ - РЬ (> 0,5ЬЕТ0) + оЕ - РЕ(> 0,5ЕР0), где
о 1, оЕ - сечения насыщения по ТЗЧ и ВЭП; (Ь), ¥е (Е) - интегральные энергетические спектры ТЗЧ и ВЭП, рассчитанные с учетом конструктивной защиты; ЬЕТ0, ЕР0 - пороговые значения линейной потери энергии ТЗЧ и энергии ВЭП соответственно.
Запас энергоресурса БВС выразим через и 4 = Еасс - величину резервной электроэнергии в пределах емкости аккумуляторной батареи, расходуемой при снижении мощности солнечных батарей, а его расход через
84 = 8-0(8-в8), 8 = въ + Xв/(X), где в8 - мощность системы электро/
снабжения; въ - мощность, потребляемая бортовыми системами КА, в/ (X) - потребляемая мощность элемента БВС, в5 = Ье - в0, в0 - номинальная мощность и Ье - коэффициент деградации системы электроснабжения КА.
В качестве запаса ресурса ДаБИ-памяти по числу обращений предложим случайную величину и^, распределенную по закону Вейбулла с параметром формы от 2 до 3, а в качестве функции расхода данного ресурса 8/5 = к^ • ^, где ^ - интенсивность потока задействующих ДаБИ-память задач, kf - коэффициент пропорциональности.
Запас ресурса по внезапным ДВ, представляющим поток с интенсивностью т и (£), будет выражен случайной величиной и 6, распределенной по показательному закону с математическим ожиданием 1, при этом функция расхода ресурса будет определена как 8г-6 = ки (X) ти (*), где ки (X)- вероятность выхода элемента из строя в результате данного воздействия.
Таким образом, при помощи данного подхода решается задача определения вероятностно-временных характеристик состояния элементов БВС
р(?) =<Р1,... >, соответственно, ее производительности v(p), и целевой функции ¥(£) согласно соотношению (2), которую в общем случае целесообразно решать посредством имитационно-аналитического моделирования.
Поиск оптимальной структуры БВС. Необходимость учета неоднородности элементов и связей в системе на всех уровнях иерархии приводит к тому, что поставленная задача (1) обладает неполиномиальной сложностью. Соответственно, широта номенклатуры ЭКБ и глубина структуры современных высокопроизводительных БВС на практике ведет к неприемлемой вычислительной сложности ее точного решения даже с учетом возможностей вычислительной техники. Суть обоснования выбора квазиоптимальной структуры БВС КА на основе генетического алгоритма [7] состоит в следующем.
Этап 1. Фильтрация множества возможных типов элементов в подмножество с неулучшаемыми значениями частных показателей качества, и их сортировка по одному из частных показателей (например, быстродействию) с нумерацией в коде Грея.
Этап 2. Формализация структуры БВС и ее кодирование в виде «хромосомы», схематично представленное на рис. 2.
Уровень N
высшие уровни иерархии, гены которых иодируют наличие компонентов нижестоящего уровня и типы интерфейсов
Ген — номер типа элемента интерфейса
Ген. кодирующим признаки наличии ВМ в структуре
Уровень 1
Уровень 1 | о/1 | ... | од |
DED
\ i i i i ... i i [
т /
Ген - номер типа элемента
Последовательности генов, кодирующие состав ВМ
Рис. 2. Схема кодирования вариантов структуры БВС
376
Этап 3. Формирование исходной популяции, содержащей Р случайно сгенерированных хромосом и хромосом, соответствующим специфическим точкам пространства решений - существующим структурам, их аналогам и примерам перспективных структур.
Этап 4. Настройка параметров поиска: размера популяции Р, влияющего на трудоемкость поиска; параметра кроссинговера Я, определяющего степень детализации поиска в локальных областях пространства решений;
параметра мутации М, определяющего степень исследования в новых областях пространства решений;
критерия селекции О, определяющего характер отбора лучших хромосом для формирования нового поколения.
Этап 5. Итерационная реализация эволюционного поиска, включающего:
применение оператора кроссинговера (рекомбинации); применение оператора мутации; нормализацию формального описания генотипа; вычисление ШпеББ-функций ¥; применение оператора селекции;
завершение поиска при достижении заданного числа поколений или снижения скорости сходимости алгоритма, в качестве результата Б ** работы алгоритма принимается хромосома из последнего поколения, имеющая максимальное значение ШпеББ-функции ¥ (Б**).
Этап 6. Повторение этапов 4 - 5 для формирования множества альтернативных решений Б ,...,Б, где g- число запусков алгоритма.
Этап 7. Принятие оптимально-компромиссного решения о выборе
* **
структуры Б е {Б/ }, к примеру, методами экспертного оценивания или свертки на основе дополнительной информации о важности частных показателей качества БВС.
Следует указать, что основное преимущество предлагаемого подхода проявляется прежде всего при оптимизации иерархических неоднородных структур за счет случайно-направленного поиска, позволяющего варьировать как состав элементов и их параметры, так и связи в структурах. Кроме того, целесообразно найти несколько локальных экстремумов целевой функции (этап 6) и сделать обоснованный выбор (этап 7) с учетом трудно формализуемых параметров, например, имеющихся наработок, программного обеспечения, доступности элементной базы различных поставщиков, интуиции экспертов и т.д.
Статистическое исследование работы алгоритма на относительно простых примерах применительно к одноуровневой БВС с архитектурой общей шины показало следующее. Целесообразность применения предложенного подхода резко возрастает с ростом размерности задачи: количест-
во вычислений целевой функции для достижения оптимума снижалось в 3-4 раза при п=10 и в десятки раз при п=20 по сравнению с полным перебором. Количество вычислений целевой функции, потребовавшееся для достижения ее 85...90% приращения относительно случайного решения и максимума, оказалось ниже еще в 2-3 раза. Настройка параметров генетического алгоритма показала, что их варьирование может служить основой для поиска локальных экстремумов. Так, «направленно-случайные» варианты настройки с высокой вероятностью оператора кроссинговера и низкой вероятностью оператора мутации показали гораздо большую скорость сходимости, однако для ряда наборов исходных данных «случайно-направленные» варианты привели к решениям, более близким к оптимальному по значению целевой функции.
Заключение. Совершенствование КА связано с конвергенцией их информационно-вычислительных ресурсов в единую многофункциональную БВС с централизованным программным управлением и гибким выбором режимов функционирования. Построение таких систем, обладающих сложной гетерогенной структурой, требует специальных подходов, среди которых выделяются методы эволюционного поиска. Предложенный способ решения задачи структурно-параметрической оптимизации представляется целесообразным при обосновании технического облика БВС перспективных специализированных КА, функционирующих в условиях деструктивного влияния неблагоприятных факторов различного происхождения.
Список литературы
1. Кирилин А.Н., Ахметов Р.Н., Соллогуб А.В., Макаров В.П. Методы обеспечения живучести низкоорбитальных автоматических КА зондирования Земли: математические модели, компьютерные технологии. М.: Машиностроение, 2010. 384 с.
2. Захаров И.В., Кремез Г.В., Фролков Е.В. Экспериментальные исследования работоспособности электронных компонентов бортовой аппаратуры на КА серии «Можаец» // Известия высших учебных заведений. Приборостроение. СПб.: Университетские телекоммуникации, 2014. Т.57, №10. С. 66 - 70.
3. Басыров А.Г., Захаров И.В. Оценивание живучести бортовых вычислительных систем космических аппаратов // Труды ВКА им. А.Ф. Можайского / под ред. М.М. Пенькова. СПб.: ВКА им. А.Ф. Можайского, 2016. Вып. 651. С. 139 - 148.
4. Захаров И.В., Кремез Г.В. Построение бортовых вычислительных систем с учетом результатов испытаний элементной базы в условиях космического пространства // Научное обозрение. Саратов: ООО «Буква», 2014. Вып. 2. С. 176 - 179.
5. Стекольников Ю.И. Живучесть систем. СПб.: Политехника, 2002.
155 с.
6. Курейчик В.В., Курейчик В.М., Родзин С.И. Теория эволюционных вычислений. М.: Физматлит, 2012. 260 с.
7. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. М.: Физматлит, 2006. 320 с.
8. Захаров И.В., Забузов В.С., Соколовский А.Н., Эсаулов К.А. Моделирование функционирования живучих бортовых вычислительных систем с учетом их структурно-параметрической деградации // Наукоемкие технологии в космических исследованиях Земли. М.: ООО «Издательский дом Медиа паблишер», 2016. Т. 8. № S1. С. 60 - 66.
9. Захаров И.В., Шушаков А.О., Калюжный А.В. Модель распределения рабочей нагрузки в вычислительной системе при управлении функциональной избыточностью // Труды ВКА им. А. Ф.Можайского. № 656. СПб.: ВКА имени А.Ф.Можайского, 2017. С. 153 - 158.
10. Смагин В.А. Новые вопросы теории эксплуатации: учеб. пособие. СПб.: ВКА им. А.Ф.Можайского, 2010. 127 с.
11. Иевлев В.И., Филиппов Г.А. Качество и надежность электронной компонентной базы ЭВМ специального назначения. Екатеринбург: УрФУ, 2013. 102 с.
Басыров Александр Геннадьевич, д-р техн. наук, проф., нач. кафедры, alexanderhasamail. ru, Россия, Санкт-Петербург, Военно-космическая академия им. А. Ф.Можайского,
Захаров Иван Вячеславович, канд. техн. наук, доц., докторант, x.vano-z80@yandex. ru, Россия, Санкт-Петербург, Военно-космическая академия им. А. Ф.Можайского,
Шушаков Алексей Олегович, канд. техн. наук, зам. нач. факультета, shiishakovalekseiamail.ru, Россия, Санкт-Петербург, Военно-космическая академия им. А. Ф.Можайского
DESIGNING THE ONBOARD COMPUTER SYSTEMS OF SPACECRAFT THROUGH
ТНЕ EVOL UTIONARY SEARCH
A. G. Basyrov, I. V. Zakharov, A. O. Shushakov
In the article features of advanced onboard computer systems of spacecraft are considered. Formulated the shortcomings of the existing scientific-methodological apparatus of analysis and synthesis of computing systems. Specified approach to modeling the functioning of heterogeneous hierarchical systems in conditions of destructive impacts, taking account of the elements operating modes. The advantages of evolutionary search as an optimization technique in relation to the task are noted. The approach is proposed to choice a hierarchical heterogeneous structure of a computer system using a genetic algorithm.
Key words: onboard computer system, convergence of computing resources, degradation of computer system, genetic algorithm, evolutionary search.
379
Basyrov Alexander Gennadyevich, doctor of technical sciences, professor, head of chair, alexanderhasamail.ru, Russia, Sankt-Petersburg, Mozhaisky Military Aerospace Academy,
Zakharov Ivan Vyacheslavovich, candidate of technical sciences, docent, doctorant, x. vano-z80@yandex. ru, Russia, Sankt-Petersburg, Mozhaisky Military Aerospace Academy,
Shushakov Alexey Olegovich, candidate of technical sciences, docent, deputy dean, shushakovalekseia mail.ru, Russia, Sankt-Petersburg, Mozhaisky Military Aerospace Academy
УДК 004.414.23; 652
КОНЦЕПТУАЛЬНО-ОРИЕНТИРОВАННАЯ МЕТОДИКА ИССЛЕДОВАНИЯ ПРЕДМЕТНОЙ ОБЛАСТИ ПРИ ПРОЕКТИРОВАНИИ ИНФОРМАЦИОННЫХ СИСТЕМ
С.В. Бибиков, С.В. Калиниченко, А.В. Обухов
Рассматриваетсятехнология интенсификации и объективизации инфологиче-ского проектирования информационных систем.Представлена концептуально-ориентированная методикаисследования предметной области (ПрО). Введено понятие «метода иерархических онтологий системы» и рассмотрены особенности применения метода с точки зрения формализации построения моделей информационных систем. Показаныперспективы и преимущества метода тезаурусного подхода при построении словаря терминов и понятий ПрО.
Ключевые слова: информационная система, база данных, инфологическое проектирование, предметная область, системный анализ, модель «сущность-связь», семантический анализ, словарь понятий, тезаурус, концептуальный подход, онтология.
Большинство современных информационных систем строится на основе концепции информационной системы, содержащей базы данных (ИСБД). Это во многом связано с высоким уровнем проработки концепции хранения и доступа к данным и большого количества доступных инструментальных средств разработки систем управления базами данных. Проектирование по праву считается наиболее сложной и ответственной задачей при создании ИСБД. В результате решения этой задачи должны быть определены состав ИСБД, эффективные для всех её будущих пользователей способ организации данных и инструментальные средства управления данными, концепция и механизмы возможного реинжиниринга. Цена просчётов и ошибок, допущенных на начальных стадиях проектирования крупных ИСБД, особенно велика, так как ведет к необходимости крупных переделок прототипа ИСБД. Хотя некоторые ошибки проектирования можно устранить позже с помощью средств реструктуризации и реорганизации, такие операции являются весьма трудоемкими и дорогостоящими.
